Medidas repetidas modelación de ecuaciones estructurales

10

Necesito analizar un conjunto de datos de datos de rehabilitación clínica. Estoy interesado en las relaciones basadas en hipótesis entre la "entrada" cuantificada (cantidad de terapia) y los cambios en el estado de salud. Aunque el conjunto de datos es relativamente pequeño (n ~ 70), hemos repetido datos que reflejan cambios temporales en ambos. Estoy familiarizado con el modelado de efectos mixtos no lineales en R, sin embargo, estoy interesado en posibles relaciones "causales" entre la entrada y la salida aquí y, por lo tanto, estoy considerando aplicaciones de medidas repetidas de SEM

Agradecería consejos sobre si alguno de los paquetes SEM para R (sam, lavaan, openmx?) Son los más adecuados para datos de medidas repetidas, y particularmente recomendaciones para libros de texto (¿hay un "Pinheiro y Bates" del campo?) .

r repeated-measures panel-data sem RobF
fuente
2
¿Por qué crees que necesitas SEM? Si escuchaste la exageración de que SEM resuelve todos los problemas causales, es un exceso, solo los experimentos aleatorios ideales lo hacen. Vea la referencia que di en mi respuesta a continuación.
StasK
1
Cuando dice n ~ 70, ¿se refiere a 70 pacientes medidos a lo largo del tiempo, o 70 mediciones (digamos 7 pacientes en 10 momentos diferentes)? Solo estoy aprendiendo SEM, pero una cosa que he notado hasta ahora es que supone grandes conjuntos de datos (hablan de más de 200 o más), por lo que puede terminar frustrando / engañándose a sí mismo.
Wayne

Respuestas:

5

Creo que quieres un modelo de curva de crecimiento latente. Si bien solo lo he usado LISRELpara esto, lavaan package documentationindica que se puede usar para adaptarse a este tipo de modelo.

No conozco ningún libro que se especialice en este tema, el libro del que estoy trabajando para SEM cubre una variedad de métodos. Quizás alguien más pueda responder ese aspecto de su pregunta.

Michelle
fuente
2
(+1) De hecho, la curva de crecimiento y los modelos mixtos de VI están entre algunos de los temas 'candentes' en SEM o psicometría; están cubiertos en algunos libros recientes, como Modelos de mezcla variable latente (Hancock y Samuelsen, 2008). Tengo otros documentos en mi lista TOBEREADFORTOOLONG, y recomendaría mirar el trabajo de Múthen y col., Junto con lo que ofrece el software Mplus para ese propósito en particular . Si encuentro tiempo para releer la literatura y comparar lavaan/ Mx con Mplus, publicaré una respuesta yo mismo.
chl
Eso sería bueno, porque acabo de aprender modelos de curva de crecimiento latente, y realmente son un modelo bastante único en comparación con otros tipos de SEM.
Michelle
4

No, no hay "Pinheiro y Bates". Puede encontrar varios libros titulados como "SEM con AMOS / LISREL / Mplus", pero no conozco ninguno con R. El mejor libro, matemáticamente hablando, sobre SEM sigue siendo Bollen (1989) . Está escrito por un sociólogo en lugar de un bioestadístico (¡aunque es muy bueno!), Por lo que está dirigido a científicos sociales y contiene pocas referencias al software (y de todos modos no desea el software de hace un cuarto de siglo) . Bollen también ha sido coautor de un buen artículo recientemente sobre causalidad con Judea Pearl, consulte http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Por lo que puedo decir, Mulaik (2009) también debería ser bueno, pero está escrito por un psicólogo para psicólogos.

No creo que sem package sea lo suficientemente flexible como para ejecutar este tipo de cosas. OpenMx puede manejar datos ordinales (y, por lo tanto, resultados binarios), pero no creo que lavaan pueda hacer esto.

El software que conceptualmente encontrará más fácil de manejar podría ser GLLAMM , un paquete escrito para Stata . Visto de una manera, esto es esencialmente una encarnación de Stata nlme. Con un ajuste adicional (que permite que los coeficientes de los efectos aleatorios varíen según los valores de otras variables), se convierte en un paquete de modelado de variables latentes. Todo esto se describe en Skrondal y Rabe-Hesketh (2004) ... que es un gran libro per se que te gustaría tener incluso si lo haces nlme.

StasK
fuente
(+1) Buenas referencias. (Acerca de gllamm, visto de otra manera, desde la perspectiva de un psicométrico acostumbrado a los modelos IRT: es terriblemente lento :-)
chl
@chl, escribe tu propia probabilidad;). Eso es lo que hice polychoric, por ejemplo, cuando lo necesitaba.
StasK
2

Como parece cómodo con los modelos mixtos lineales generalizados, y no parece implicar que le interesan las variables latentes, quizás desee adoptar un enfoque por partes lmerque luego pueda evaluar mediante una prueba D-Sep. Ver Shipley, B. (2009). Análisis de ruta confirmatoria en un contexto multinivel generalizado. Ecology, Ecology, 90, 363–368. http://dx.doi.org/10.1890/08-1034.1 para un ejemplo. También proporciona el código R en el apéndice sobre cómo calcular la prueba de D-Separation.

Si realmente desea entrar en el modelado de variables latentes y SEM con la máxima probabilidad, consulte http://lavaan.org : hay un gran tutorial que cubre sus capacidades, así como una sección sobre modelos de curva de crecimiento latente que bien puede ser lo que que estas buscando

jebyrnes
fuente